1. api端口参数说明： src/api
-h, --help 显示帮助信息并退出 --model_name_or_path MODEL_NAME_OR_PATH 模型权重的路径或标识符，来自 huggingface.co/models 或 modelscope.cn/models。 (默认: None) --adapter_name_or_path ADAPTER_NAME_OR_PATH 适配器权重的路径或标识符，来自 huggingface.co/models。 (默认: None) --cache_dir CACHE_DIR 存储从 huggingface.co 或 modelscope.cn 下载的预训练模型的位置。 (默认: None) --use_fast_tokenizer [USE_FAST_TOKENIZER] 是否使用基于 tokenizers 库支持的快速分词器。 (默认: True) --no_use_fast_tokenizer 是否使用基于 tokenizers 库支持的快速分词器。 (默认: False) --split_special_tokens [SPLIT_SPECIAL_TOKENS] 是否在标记化过程中拆分特殊标记。 (默认: False) --model_revision MODEL_REVISION 要使用的特定模型版本（可以是分支名称、标签名称或提交 ID）。 (默认: main) --quantization_bit QUANTIZATION_BIT 量化模型所需的位数。 (默认: None) --quantization_type {fp4,nf4} 在 int4 训练中使用的量化数据类型。 (默认: nf4) --double_quantization [DOUBLE_QUANTIZATION] 是否在 int4 训练中使用双重量化。 (默认: True) --no_double_quantization 是否在 int4 训练中使用双重量化。 (默认: False) --rope_scaling {linear,dynamic} 采用缩放的旋转位置嵌入。 (默认: None) --flash_attn [FLASH_ATTN] 启用 FlashAttention-2 以加速训练。 (默认: False) --shift_attn [SHIFT_ATTN] 启用由 LongLoRA 提出的 Shift Short Attention（S^2-Attn）。 (默认: False) --hf_hub_token HF_HUB_TOKEN 用于登录 Hugging Face Hub 的身份验证令牌。 (默认: None) --ms_hub_token MS_HUB_TOKEN 用于登录 ModelScope Hub 的身份验证令牌。 (默认: None) --template TEMPLATE 用于构建训练和推断提示的模板。 (默认: None) --dataset DATASET 要使用的提供的数据集名称。使用逗号分隔多个数据集。 (默认: None) --dataset_dir DATASET_DIR 包含数据集的文件夹路径。 (默认: data) --split SPLIT 用于训练和评估的数据集拆分。 (默认: train) --cutoff_len CUTOFF_LEN 标记化后模型输入的最大长度。 (默认: 1024) --reserved_label_len RESERVED_LABEL_LEN 标记化后为标签保留的最大长度。 (默认: 1) --train_on_prompt [TRAIN_ON_PROMPT] 是否在提示上禁用掩码。 (默认: False) --streaming [STREAMING] 启用数据集流式处理。 (默认: False) --buffer_size BUFFER_SIZE 在数据集流式处理中用于随机抽样的缓冲区大小。 (默认: 16384) --mix_strategy {concat,interleave_under,interleave_over} 数据集混合策略（连接/交错）（欠采样/过采样）。 (默认: concat) --interleave_probs INTERLEAVE_PROBS 从数据集中抽样数据的概率。使用逗号分隔多个数据集。 (默认: None) --overwrite_cache [OVERWRITE_CACHE] 覆盖缓存的训练和评估集。 (默认: False) --preprocessing_num_workers PREPROCESSING_NUM_WORKERS 用于预处理的进程数。 (默认: None) --max_samples MAX_SAMPLES 用于调试目的，截断每个数据集的示例数。 (默认: None) --eval_num_beams EVAL_NUM_BEAMS 用于评估的束搜索数。该参数将传递给 `model.generate`。 (默认: None) --ignore_pad_token_for_loss [IGNORE_PAD_TOKEN_FOR_LOSS] 是否在损失计算中忽略与填充标签相对应的标记。 (默认: True) --no_ignore_pad_token_for_loss 是否在损失计算中忽略与填充标签相对应的标记。 (默认: False) --val_size VAL_SIZE 开发集的大小，应为整数或范围为 `[0,1)` 的浮点数。 (默认: 0) --sft_packing [SFT_PACKING] 在监督微调阶段对问题和答案进行打包。 (默认: False) --cache_path CACHE_PATH 保存或加载预处理数据集的路径。 (默认: None) --export_dir EXPORT_DIR 保存导出模型的目录路径。 (默认: None) --export_size EXPORT_SIZE 导出模型的文件分片大小（以 GB 为单位）。 (默认: 1) --export_quantization_bit EXPORT_QUANTIZATION_BIT 用于量化导出模型的位数。 (默认: None) --export_quantization_dataset EXPORT_QUANTIZATION_DATASET 用于量化导出模型的数据集路径或数据集名称。 (默认: None) --export_quantization_nsamples EXPORT_QUANTIZATION_NSAMPLES 用于量化的样本数。 (默认: 128) --export_quantization_maxlen EXPORT_QUANTIZATION_MAXLEN 用于量化的模型输入的最大长度。 (默认: 1024) --dpo_beta DPO_BETA DPO 损失的 beta 参数。 (默认: 0.1) --dpo_loss {sigmoid,hinge} 要使用的 DPO 损失类型。 (默认: sigmoid) --dpo_ftx DPO_FTX DPO 训练中的监督微调损失系数。 (默认: 0) --ppo_buffer_size PPO_BUFFER_SIZE 在 PPO 优化步骤中创建经验缓冲区的小批次数。 (默认: 1) --ppo_epochs PPO_EPOCHS 在 PPO 优化步骤中执行的周期数。 (默认: 4) --ppo_logger PPO_LOGGER 在 PPO 训练中记录日志，使用 "wandb" 或 "tensorboard"。 (默认: None) --ppo_score_norm [PPO_SCORE_NORM] 在 PPO 训练中使用分数归一化。 (默认: False) --ppo_target PPO_TARGET 用于自适应 KL 控制的目标 KL 值，在 PPO 训练中。 (默认: 6.0) --ppo_whiten_rewards [PPO_WHITEN_REWARDS] 在 PPO 训练中计算优势之前是否漂白奖励。 (默认: False) --ref_model REF_MODEL 用于 PPO 或 DPO 训练的参考模型路径。 (默认: None) --ref_model_adapters REF_MODEL_ADAPTERS 参考模型的适配器路径。 (默认: None) --ref_model_quantization_bit REF_MODEL_QUANTIZATION_BIT 用于量化参考模型的位数。 (默认: None) --reward_model REWARD_MODEL 用于 PPO 训练的奖励模型路径。 (默认: None) --reward_model_adapters REWARD_MODEL_ADAPTERS 奖励模型的适配器路径。 (默认: None) --reward_model_quantization_bit REWARD_MODEL_QUANTIZATION_BIT 用于量化奖励模型的位数。 (默认: None) --reward_model_type {lora,full,api} 在 PPO 训练中使用的奖励模型类型。LoRA 模型仅支持 LoRA 训练。 (默认: lora) --additional_target ADDITIONAL_TARGET 除 LoRA 层之外要设置为可训练并保存在最终检查点中的模块的名称。 (默认: None) --lora_alpha LORA_ALPHA LoRA 微调的比例因子（默认为 lora_rank * 2）。 (默认: None) --lora_dropout LORA_DROPOUT LoRA 微调的 dropout 率。 (默认: 0.1) --lora_rank LORA_RANK LoRA 微调的内在维度。 (默认: 8) --lora_target LORA_TARGET 要应用 LoRA 的目标模块的名称。使用逗号分隔多个模块。 (默认: None) --create_new_adapter [CREATE_NEW_ADAPTER] 是否创建具有随机初始化权重的新适配器。 (默认: False) --name_module_trainable NAME_MODULE_TRAINABLE 部分参数（冻结）微调的可训练模块的名称。使用逗号分隔多个模块。 (默认: mlp) --num_layer_trainable NUM_LAYER_TRAINABLE 部分参数（冻结）微调的可训练层数。 (默认: 3) --stage {pt,sft,rm,ppo,dpo} 训练中将执行哪个阶段。 (默认: sft) --finetuning_type {lora,freeze,full} 使用哪种微调方法。 (默认: lora) --upcast_layernorm [UPCAST_LAYERNORM] 是否在 fp32 中上升 layernorm 权重。 (默认: False) --plot_loss [PLOT_LOSS] 是否在微调后绘制训练损失。 (默认: False) --do_sample [DO_SAMPLE] 是否使用抽样，否则使用贪婪解码。 (默认: True) --no_do_sample 是否使用抽样，否则使用贪婪解码。 (默认: False) --temperature TEMPERATURE 用于调整下一个标记概率的值。 (默认: 0.95) --top_p TOP_P 保留的最概然令牌集，其概率加起来达到 top_p 或更高。 (默认: 0.7) --top_k TOP_K 保留的最高概率词汇令牌数量，用于 top-k 过滤。 (默认: 50) --num_beams NUM_BEAMS 用于波束搜索的波束数量。1 表示不进行波束搜索。 (默认: 1) --max_length MAX_LENGTH 生成令牌的最大长度。可以被 max_new_tokens 覆盖。 (默认: 512) --max_new_tokens MAX_NEW_TOKENS 生成的令牌的最大数量，忽略提示中的令牌数量。 (默认: 512) --repetition_penalty REPETITION_PENALTY 重复惩罚的参数。1.0 表示无惩罚。 (默认: 1.0) --length_penalty LENGTH_PENALTY 用于基于波束的生成的长度的指数惩罚。 (默认: 1.0)
